一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法技术

本发明专利技术公开一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法，包括步骤：对信号进行采集，得到滤波器的含噪输入信号；滤波器计算产生当前时刻k的权重系数，输入信号通过滤波器，得到当前时刻k的滤波器输出信号；S30，通过减法器，基于参考信号得到误差信号；优化代价函数，引入混合相关熵准则，通过将两个不同核宽度的高斯函数的凸组合作为核函数；补偿输入噪声，通过引入无偏准则，在复数域下推导出输入误差引起的偏差量进行补偿；S60，权系数更新；S70，重复，使误差信号最小化，逐渐逼近参考信号，从而达到噪声抑制的效果。本发明专利技术能够有效抑制输入含噪和冲击噪声的干扰，提高算法的灵活性和进一步提升算法的性能。灵活性和进一步提升算法的性能。灵活性和进一步提升算法的性能。

【技术实现步骤摘要】
一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法


[0001]本专利技术属于噪声处理
，特别是涉及一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法。

技术介绍

[0002]随着现代经济与科学技术的飞速发展，各类噪声随处可见，并严重影响人的身心健康。生活中的噪声已不再是简单的高斯分布噪声，而更多的是冲击噪声。自适应滤波算法已经广泛的应用到了许多的信号处理中，实数的应用如回声消除、噪声控制等。复数域的应用主要有波达方向估计、频率估计等。常见的滤波算法如最小均方算法、仿射投影算法和最小二乘法都是基于高斯噪声的背景下实现最优估计，并且输入噪声没有被噪声污染。然而在实际应用中，噪声的分布不仅仅限于高斯噪声，还会存在冲击噪声的干扰。输入端也往往因为采样误差、仪器误差等被噪声污染。在这种情况下，上述算法的稳态性能急剧变差，收敛性也随之恶化。
[0003]针对以上问题，相关熵准则被认为是一种稳健的统计量，并且最大相关熵准则是一种处理非高斯噪声的最优准则，并且成功应用到自适应滤波问题中。然而最大相关熵算法受核宽度的限制，当单核核宽度变化时，性能也会随之发生较大的变化，无法有效抑制噪声干扰。

技术实现思路

[0004]为了解决上述问题，本专利技术提出了一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法，能够有效抑制输入含噪和冲击噪声的干扰，提高算法的灵活性和进一步提升算法的性能。
[0005]为达到上述目的，本专利技术采用的技术方案是：一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法，包括步骤：/>[0006]S10，对信号进行采集，得到滤波器的含噪输入信号x(k)；
[0007]S20，滤波器计算产生当前时刻k的权重系数ω(k)，输入信号x(k)通过滤波器，得到当前时刻k的滤波器输出信号y(k)；
[0008]S30，通过减法器，基于参考信号d0(k)与输出信号y(k)的差值得到误差信号e(k)；
[0009]S40，优化代价函数，引入混合相关熵准则，通过将两个不同核宽度的高斯函数的凸组合作为核函数，以此为代价函数建立权向量与误差函数的关系式；
[0010]S50，补偿输入噪声，通过引入无偏准则，在复数域下推导出输入误差引起的偏差量h(k)进行补偿；
[0011]S60，权系数更新，通过更新公式的迭代计算，得到下一时刻k+1的滤波器抽头权向量ω(k+1)；
[0012]S70，重复，使误差信号e(k)最小化，逐渐逼近参考信号，从而达到噪声抑制的效果。
[0013]进一步的是，信号进行采集得到滤波器的输入信号x(k)，所述输入信号x(k)包括无噪声信号和噪声信号，x(k)＝u(k)+n(k)。
[0014]进一步的是，滤波器系数产生滤波器当前时刻k的权系数ω(k)，ω(k)＝[ω1(k)，ω2(k)，...，ω
L
‑1(k)]T
，其初始值为零，即ω(0)＝0。
[0015]进一步的是，在建立优化代价函数时，基于混合相关熵准则，通过将两个不同核宽度的高斯函数的凸组合作为核函数，以此为代价函数建立权系数与误差信号的关系式，包括步骤：
[0016]构造出基于混合相关熵的算法的代价函数为：
[0017][0018]其中，ω(k)表示权重系数，E是取期望运算，α
m
表示混合系数，m＝1，2，且满足α1+α2＝1，0≤α
m
≤1，σ
m
(m＝1，2)是两个高斯核函数的核宽。
[0019]进一步的是，通过建立误差与权重系数的关系，进行权重系数迭代运算，得到更新的权重系数；反馈至滤波器输入端调节使得误差信号最小，逐渐逼近参考信号；建立误差与更新权重系数的关系式为：
[0020][0021]其中μ是算法更新的步长因子，0＜μ＜1。
[0022]进一步的是，通过在权重系数更新的关系式中加入偏差补偿向量h(k)来补偿输入噪声产生的偏差，即
[0023][0024]进一步的是，通过采用无偏准则，计算出偏差补偿向量h(k)，包括步骤：
[0025]Step1：定义权向量误差Δω(k)＝ω(k)
‑
ω0，ω0是算法的最优解；
[0026]Step2：定义一个无噪声误差θ(k)＝u0(k)+n0(k)
‑
ω
H
(k)u(k)＝n0(k)
‑
Δω
H
(k)u(k)；
[0027]Step3：根据Step1和Step2构造一个误差向量e(k)与无误差向量θ(k)之间的关系，e(k)＝θ(k)
‑
ω
H
(k)n(k)；
[0028]Step4：假设存在一个偏差补偿向量h(k)，关于权向量误差的更新公式为：
[0029][0030]Step5：满足无偏准则公式当E[Δω(k)|x(k)]＝0时E[Δω(k+1)|x(k)]＝0；将Step4的公式代入，求得
[0031]Step6：根据上述所求偏差补偿量，写出加入偏置量的权系数更新公式为
[0032][0033]其中，是输入噪声信号的方差。
[0034]进一步的是，所述输入噪声信号的方差估计方法为：
[0035][0036][0037][0038]其中：γ是输入输出噪声比，λ是遗忘因子。
[0039]采用本技术方案的有益效果：
[0040]本专利技术可以有效抑制输入含噪以及冲击噪声的干扰，提高算法的灵活性和进一步提升算法的性能。为了扩展上述算法的应用范围，本专利技术提出的方法主要是基于复数域下信号进行噪声抑制，提出方法中的算法稳态误差更低，收敛性更快。另外，在实际应用中，采样误差或者建模误差的存在导致输入信号受到噪声的污染，在这种情况下，通过引入无偏准则，在复数域下推导出输入误差引起的偏差量进行补偿，即使输入含有噪声，本专利技术算法也能在一定程度进行补偿，降低输入噪声的影响。这种方法不仅解决了输入含噪的问题，也可以对冲击噪声进行滤波，并且具有稳态误差低，收敛速度快的特点。
[0041]本专利技术采用具有两个核函数凸组合的熵作为代价函数。通过自适应滤波算法调整更新抽头系数，使输出信号逐渐逼近参考信号。与传统的自适应滤波算法不同的是，本专利技术的算法灵活性更大，具有更低的稳态误差和更快的收敛速度。本专利技术虽然由两个核函数的凸组合组成，但是在计算复杂度上却没有双倍增加，计算复杂度只增加了N次。
附图说明
[0042]图1为本专利技术的一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法流程示意图；
[0043]图2为本专利技术的一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法原理示意图；
[0044]图3为本专利技术实施例中与传统方法的检测结果对比图。
具体实施方式
[0045]为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术作进一步阐述。
[0046]在本实施例中，参见图1和图2所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法，其特征在于，包括步骤：S10，对信号进行采集，得到滤波器的含噪输入信号x(k)；S20，滤波器计算产生当前时刻k的权重系数ω(k)，输入信号x(k)通过滤波器，得到当前时刻k的滤波器输出信号y(k)；S30，通过减法器，基于参考信号d0(k)与输出信号y(k)的差值得到误差信号e(k)；S40，优化代价函数，引入混合相关熵准则，通过将两个不同核宽度的高斯函数的凸组合作为核函数，以此为代价函数建立权向量与误差函数的关系式；S50，补偿输入噪声，通过引入无偏准则，在复数域下推导出输入误差引起的偏差量h(k)进行补偿；S60，权系数更新，通过更新公式的迭代计算，得到下一时刻k+1的滤波器抽头权向量ω(k+1)；S70，重复，使误差信号e(k)最小化，逐渐逼近参考信号，从而达到噪声抑制的效果。2.根据权利要求1所述的一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法，其特征在于，信号进行采集得到滤波器的输入信号x(k)，所述输入信号x(k)包括无噪声信号和噪声信号，x(k)＝u(k)+n(k)。3.根据权利要求1所述的一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法，其特征在于，滤波器系数产生滤波器当前时刻k的权系数ω(k)，ω(k)＝[ω1(k)，ω2(k)，...，ω
L
‑1(k)]
T
，其初始值为零，即ω(0)＝0。4.根据权利要求1所述的一种基于偏差补偿的混合相关熵算法的抗冲击噪声方法，其特征在于，在建立优化代价函数时，基于混合相关熵准则，通过将两个不同核宽度的高斯函数的凸组合作为核函数，以此为代价函数建立权系数与误差信号的关系式，包括步骤：构造出基于混合相关熵的算法的代价函数为：其中，ω(k)表示权重系数，E是取期望运算，α
m
表示混合系数，m＝1，2，且满足α1+α2＝1，0≤α
m
≤1，σ
m
(m＝1，...

【专利技术属性】
技术研发人员：赵海全，罗雯婧，
申请(专利权)人：成都国佳电气工程有限公司，
类型：发明
国别省市：